Categories
程式開發

AutoML最新进展:目前还不能满足“人机回圈”的需求


本文要点

  • 自动机器学习(AutoML)非常重要,因为它使得数据科学家能够节省时间和资源,更快、更有效地交付业务价值
  • 在行业特定知识以及将业务问题转化为机器学习问题方面,AutoML不太可能能消除“人机回圈”需求
  • 该领域的一些重要研究课题包括特征工程、模型透明化和解决偏差
  • 现在有几种商业和开源的AutoML解决方案可用于自动化机器学习过程的不同部分
  • AutoML的局限性包括所需的计算资源量和特定于领域应用程序的需求

近年来,机器学习在许多问题的解决上都取得了很大的成功。

特别是,在语言翻译、对象识别、游戏、甚至自动驾驶等任务中,神经网络已经达到了人类(有时甚至是超人)的能力水平。

随着能力的增长,复杂性也随之增加。数据科学家和机器学习工程师必须执行特征工程,设计模型架构,并优化超参(Hyperparameters)。

由于机器学习的目的是自动化通常由人类完成的任务,因此,其下一步必然是自动化数据科学家和工程师的任务。

这一领域的研究被称为自动机器学习或AutoML

最近,AutoML取得了许多令人兴奋的进展,了解一下当前的技术状况,并学习当前正在发生的事情以及未来将要发生的事情是至关重要的。

InfoQ采访了以下业内的主题专家,讨论了AutoML领域的现状及未来趋势。

原文链接:【https://www.infoq.cn/article/O2X4BL6hCIAaK9itoOvj】。未经作者许可,禁止转载。